School children have leading risk factors for cardiovascular disease and diabetes: the Wausau SCHOOL project.
Notice bibliographique
Résumé
INTRODUCTION: Risk factors for cardiovascular disease and diabetes acquired in childhood commonly persist in later life and are particularly strong predictors of subclinical atherosclerosis in young adults. A rising tide of obesity and other lifestyle-related risk factors threatens to negate much of the success achieved in the prevention and treatment of these diseases. The SCHOOL project (School Children Have Leading Risk Factors for Cardiovascular Disease and Diabetes), was designed to measure the prevalence and magnitude of known risk factors in school-age children in Wausau, Wis. METHODS: Demographic data, anthropomorphic measures, family health history, diet and activity indices, and numerous laboratory measures were collected from a representative sample of students in grades 2, 5, 8, and 11. RESULTS: Clinically important disturbances of lipid metabolism were very common, even in the youngest participants. Of the children studied, 39% had at least 1 lipid abnormality and 22% had 2 or more. Abnormal blood pressure, overweight, and cigarette smoking were present in 29%, 16%, and 11% respectively. While elevated fasting glucose levels were uncommon, insulin resistance was noted in 25% of the sampled population and nearly 50% of sampled children with a body mass index greater than the 85th percentile in this survey. The number of children with multiple risk factors rose dramatically with age. By 11th grade, 38% of those surveyed had 2 or more risk factors and 23% had 3 or more. CONCLUSIONS: Using conservative definitions, significant abnormalities of lipid metabolism and other risk factors for cardiovascular disease and diabetes were common in our children. Risk profiles in older adolescents were worse than in the younger students and similar to what would be expected for adults with known coronary heart disease. In our community there is a growing consensus that we must take advantage of the multiple opportunities that exist to favorably alter the lifestyle patterns that put our children at risk.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».